A praga que mais preocupa os países produtores de café é o bicho- mineiro do cafeeiro (Leucoptera coffeella (Guérin-Mèneville & Perrottet, 1842) (Lepidoptera:Lyonetiidae)). O combate ao bicho-mineiro é feito, ba- sicamente, através de pesticidas. Entretanto, a pratica do controle químico pode acarretar desequilíbrio biológico e, portanto, pesquisadores estão tentando desenvolver práticas que minimizam o uso de pesticidas no combate ao bicho-mineiro. Os pesquisadores acreditam que o entendimento da distribuição espacial do bicho-mineiro pode auxiliar o controle biológico da praga em produções de café orgânico. O objetivo deste trabalho foi aplicar diversos métodos estatísticos para detectar padrões de agrupamento espacial na infestação de bicho-mineiro em um cafezal. Foram utilizados dados de um hectare de um cafezal orgânico (Coffea arabica L.), em formação, localizado no município de Santo Antônio do Amparo, MG. No período de janeiro de 2005 até março de 2007 foram coletadas, mensalmente, dez folhas de trinta e cinco pontos amostrais para contagem e identificação das minas do bicho-mineiro. Também foram instaladas armadilhas adesivas amarelas, nos mesmos pontos amostrais, para capturar as vespas predadoras que ocorrem na área. Índices de Fisher, Morisita e Moran foram aplicados para testar a hipótese nula de aleatoriedade espacial das seguintes variáveis (contagens): folhas minadas, minas novas, minas predadas e vespas. Utilizou-se o método bootstrap para obter os intervalos de confiança para os índices de Fisher e Morisita, enquanto a aleatorização foi utilizada para obter intervalos de confiança para a estatística de Moran. Os resultados mostraram que todos os índices foram estatisticamente significantes, rejeitando assim a hipótese nula de aleatoriedade espacial das variáveis para a maioria dos meses. Não foi possível identificar uma tendência temporal para a distribuição espacial das variáveis. Foi observado que os meses que apresentaram agrupamentos espaciais aparecem intercalados com meses que apresentaram distribuições espaciais regulares ou aleatórias. Através de simulações pode-se verificar que os 35 pontos amostrais utilizados no experimento foram suficientes para uso efetivo dos métodos estatísticos para detectar dependência espacial. Os resultados mostram que os métodos estatísticos aplicados neste trabalho podem ser usados para facilitar a tomada de decisão durante o controle biológico do bicho-mineiro do cafeeiro.
The pest that coffee grower countries are more concerned of is the coffee leaf-miner (Leucoptera coffeella (Guérin-Mèneville & Perrottet, 1842) (Lepidoptera:Lyonetiidae)). The combat of the coffee leaf-miner has been done, basically, through pesticides. However, the practice of chemical control can result in biological imbalance and therefore researchers are trying to develop practices that minimize the use of pesticides for the coffee leaf-miner combat. Researchers believe that understanding the spatial distribution of the coffee leaf-miner may help the biological control of this pest in organic coffee production. The aim of this work was to apply several statistical methods for detecting spatial cluster patterns of the coffee leaf-miner infestation in coffee fields. It was used data from a field of organic coffee (Coffea arabica L.) in formation located in the county of Santo Antonio do Amparo, MG. From January 2005 to March 2007 it was collected, monthly, ten leaves from thirty-five sampling points for counting and identification of mines of the coffee leaf-miner. It was also installed yellow adhesive traps, in the same sampling points, to capture the predatory wasps that occur in the field area. Fisher, Morisita and Moran indices were applied in order to test the null hypothesis of spatial randomness of the following variables (counts): mined leaves, new mines, preyed mines and wasps. The bootstrap method was used to obtain confidence intervals for the indices of Fisher and Morisita while randomization was used for getting confidence intervals for the Moran statistic. The results showed that all indices were statistically significant, thus rejecting the null hypothesis of spatial randomness of the variables for the majority of the months. It was not possible to identify a time trend of the spatial patterns for the variables. It was observed that months presenting spatial cluster patterns were intercalated with months presenting either regular or random spatial patterns. Throughout simulation, thirty-five sampling points used in the experiment were found large enough to use the statistical methods effectively for detecting spatial dependence. The results showed that the statistical methods applied in the present work may be used to facilitate the decision making during the biological control of the coffee leaf-miner.
